关于最近研究的关键词提取keyword extraction做的笔记

之前内容的整理

要求：第一: 首先找出具有proposal性质的paper,归纳出经典的方法有哪些. 第二:我们如果想用的话,哪种更实用或者易于实现? 哪种在研究上更有意义.

 

第一，      较好较全面地介绍keyword extraction的经典特征的文章《Finding Advertising Keywords on Web Pages》.

基于概念的keywords提取，使用概念、分类来辅助关键词抽取。较经典的文章《Discovering Key Concepts in Verbose Queries》,《A study on automatically extracted keywords in text categorization》

基于查询日志的keywords提取，有文章《Using the wisdom of the crowds for keyword generation》,《Keyword Extraction for Contextual Advertisement》

Keywords扩展，keywords生成《Keyword Generation for Search Engine Advertising using Semantic Similarity》, 《Using the wisdom of the crowds for keyword generation》,《n-Keyword based Automatic Query Generation》

第二，      较常用的特征，之前研究者提到过的特征：

《Finding Advertising Keywords on web pages》中提到过的特征

1.语言特征 词性标注

2.首字母大写

3.关键词是否在hypertext里

4.关键词是否在meta data里

5.关键词是否在title里

6.关键词是否在url里

7.TF,DF

8.关键词所处位置信息

9.关键词所在句子长度及文档长度

10.候选短语的长度

11.查询日志

 

我想到的特征

1.周围信息含量，附近几个词甚至是一个句子的平均信息含量。

2.语义距离，使用co-occurance.

3.NE。  曾经在IE抽取中使用过。

4.关键词之间的关系，语义距离。divergance是越大愈好还是越小越好。或者没有影响？

 

2.3.2.1 Lin: linguistic features.

The linguistic informati